基于二次修正的短时行程时间预测模型
来源：同济大学学报·自然科学版杂志2019年第10期北京时间：
作者：杨航
摘要：为了提高高速公路短时行程时间预测模型的精度和鲁棒性，同时缓解过度训练带来的过拟合效应，构建了基于小波神经网络和马尔可夫链的组合预测模型，并采用平均绝对误差、平均绝对百分比误差、均方根误差三个指标评价模型的预测效果.分析结果表明，在行程时间突变之后，组合预测模型较其他模型都有着更高的预测精度；同时，该模型在预测行程时间突变点时不存在延迟，说明其在高峰时段内有着更高的预测精度和更强的预测鲁棒性.
关键词：交通管理, 短时行程时间预测, 组合预测模型, 小波神经网络, 马尔可夫链, 过拟合缓解
基金资助：国家自然科学基金项目（51608386）
